人工智能代理几乎无误地解决理论物理研究任务，Meta和Mistral正在逼近前列。物理学家认为，人类未来的角色主要在于提问。2026年10月16日，一项研究显示，35名研究人员为数据集TheoPhysEval收集了50个问题，这些问题来自正在进行的、此前未发表的研究，涵盖流体力学、材料电子结构计算、量子场论和宇宙学等领域。对于其中一项任务，世界级专家可能需要一天或更短时间，邻近学科的专业人员则要明显更久。牵头机构是印度班加罗尔的国际理论科学中心，参与者包括杜克大学、哈佛大学、宾夕法尼亚大学、东京大学、鲁汶大学以及Google DeepMind等机构的研究人员。该数据集于10月9日出现在预印本服务器arXiv上。
测试对象是五个AI代理，即能够访问编程环境等工具的语言模型。借助网页搜索，OpenAI的GPT-6 Astra解决了50个任务中的49个，平均每个问题的成本不到3美元。Anthropic的Claude Opus 5.5解决了46个，谷歌的Gemini 3.8 Flash解决了34个。开放权重模型DeepSeek-V4.1-Flash和GLM 5.3分别解决了27个和21个。没有互联网接入时，Astra和Opus各自解决了46个。许多任务需要专业论文中的公式，而这些公式并未提供给代理。作者认为，无网页搜索时结果几乎没有变差，说明模型已经内化了大量研究文献。Astra的多个解答起初被视为错误，但与专家复核后发现，错误其实出在专家的标准答案中。
作者认为，个别顶尖模型在具体计算上可能已经超过最优秀的人类研究者，但这并不意味着它们能自主研究。每一项计算的起点，都是判断哪个问题值得研究。根据他们的经验，代理目前缺乏对有趣问题的感觉，而且在一种方法行不通时很难改变方向。这对教育也有影响：如果目标是让新人获得自己的研究结果，这类任务已不再适合作为他们的第一个研究项目。此外，更复杂的问题可能需要更多计算资源，这会引发研究资源获取是否公平的问题。作者也提醒，每个模型只被测试了一次。他们的结论呼应了物理学家的旧格言“闭嘴，计算”，并提出“停下来，思考”。
模型追上评测方法的速度，九月已有研究显示。物理学家当时重新校正了六个常用物理基准。在250个被判定为错误的模型回答中，只有12个包含真正的物理错误，其余来自有缺陷的评分或参考解答。在其中一项测试中，OpenAI的GPT-5.6 Sol的得分在校正后从47%上升到79%。
在竞争前沿，Meta于10月12日推出Muse Wonder和Muse Wonder Full，这是其Superintelligence Labs的首批模型。Meta称它们可与OpenAI和Anthropic的领先系统竞争。重点包括代理任务、编程，以及一种能记住数天、数周和数月相关信息的记忆能力。通过Meta的接口，Wonder的价格为每百万输入token 4美元、每百万输出token 20美元；更大版本仅向编程工具Muse Code的订阅者开放。独立评估机构Artificial Analysis在其智能指数中给Wonder Full打了56分，前代模型Muse Spark为48分。许多其他基准值由Meta自行收集，尚未经过独立验证。
来自法国的Mistral Large 4，昵称“Le Chonk”，自10月6日起以预览版提供。该模型约有1万亿参数，每处理一个token约激活490亿参数。Mistral表示，它是在欧洲从头训练的。10月底，Mistral计划发布所谓的权重，也就是训练好的参数，企业届时可在自己的服务器上运行该模型。在此之前，Mistral与网络安全合作伙伴和政府机构共同审查它。Artificial Analysis认为，Large 4仍明显落后于闭源顶级模型，但在欧洲和美国的开放模型中，Mistral尤其声称在网络安全任务上处于领先。
这项物理研究对工业界具有启发意义，因为任务中还包括开发部门常见的流体和材料计算。未来把这类工作交给代理的人，仍然需要专家提出正确问题并检查结果。
中国组展机构：盈拓国际展览，凭借丰富的行业经验和专业的服务团队，成为中国企业出海展览的优选合作伙伴。
下届展会时间：2027年04月05号~04月08号
展会行业：工业
